Implation Factors VIF. Menurut Gujarati 2003:362, jika VIF kurang dari 10 maka dalam data tidak terdapat multikolinieritas tidak
terdapat.
c. Uji Heteroskedastisitas
Menurut Gujarati 2005:406, situasi heteroskedastisitas akan menyebabkan penafsiran koefisien regresi menjadi tidak efisien dan
hasil taksiran dapat menjadi kurang atau melebihi dari yang semestinya. Dengan demikian, agar koefisien-koefisien regresi tidak
menyesatkan, maka situasi heteroskedastisitas tersebut harus dihilangkan dari model regresi.Untuk menguji ada tidaknya
heteroskedastisitas digunakan uji Rank Spearmen yaitu dengan mengkolerasikan masing-masing variabel bebas terhadap nilai
absolute dari residual eror ada yang signifikan, maka kesimpulannya terdapat heteroskedastisitas varian dari residual tidak homogen.
Selain itu,
dengan menggunakan
program SPSS,
heteroskedastisitas juga bisa dilihat dengan melihat grafik scatterplot antara nilai tambah prediksi variabel yaitu ZPRED dengan residualnya
SDRESID, jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur, maka tidak terjadi
heteroskedastisitas.
2. Analisis Korelasi
Menurut Sujana 1989 dalam Umi Narimawati, Sri Dewi Anggadini, dan Linna Ismawati 2010:49 pengujian korelasi digunakan
untuk mengetahui kuat tidaknya hubungan antara variabel x dan y, dengan menggunakan pendekatan koefisien korelasi pearson dengan rumus :
Dimana : - 1≤ r ≤+1
r = koefisien korelasi
x = variabel kualitas kehidupan kerja dan semangat kerja
y = variabel produktivitas kerja
n = jumlah karyawan
Ketentuan untuk melihat tingkat keeratan korelasi digunakan acuan pada tabel di halaman berikut ini :
Tabel 3.10 Tingkat Keratan Korelasi
– 0.20 Sangat rendah hampir tidak hubungan
0.21 – 0.40
Korelasi yang lemah 0.41
– 0.60 Korelasi sedang
0.61 – 0.80
Cukup tinggi 0.81
– 1 Korelasi tinggi
Syahri Alhusin, 2003 : 157
3. Analisis Koefisian Determinasi
Persentase peranan semua variabel bebas atas nilai variabel bebas ditunjukan oleh besarnya koefisien determinan
.Semakin besar nilainya maka menunjukan bahwa persamaan regresi yang dihasilkan baik
untuk mengestimasi variabel terikat. Hasil koefisien determinasi ini dapat
� � ∑ � � − ∑ � ∑ �
� ∑ � − ∑ � − � ∑ �� − ∑ ��
